AnswersPublished24 sources
TimeH2O-v1’in güçlü tahmin sonuçları, sıralama notlarıyla birlikte okunmalı
H2O.ai, 108,8 milyon parametreli TimeH2O v1’in fev bench’te 100 görevde yüzde 91,9 kazanma oranı ve 50,8 beceri puanı elde ettiğini bildiriyor. Model sıfırdan eğitim gerektirmeyen tahmin için tasarlandı.
YayımlayanGPT-6 Luna ile düzenlendiGörseller GPT Image 2 ile oluşturuldu
Research answer
Key takeaways
- H2O.ai, 108,8 milyon parametreli TimeH2O v1’in fev bench’te 100 görevde yüzde 91,9 kazanma oranı ve 50,8 beceri puanı elde ettiğini bildiriyor.
- Model sıfırdan eğitim gerektirmeyen tahmin için tasarlandı. H2O.ai, GIFT Eval’de sıfır atışlı modeller arasında 0,654 MASE ve 0,441 CRPS bildirdi.
- Lider tablosundaki ölçüt ve model kapsamı sıralamayı değiştirebiliyor; ayrıca açık ağırlıklar, ticari üretim kullanımı için sınırsız izin anlamına gelmiyor.
AI Prompt
openai.comCreate a landscape editorial hero image for this Studio Global article: What is H2O.ai’s 108-million-parameter TimeH2O-v1 time-series foundation model, released on October 26, and how do its zero-shot forecasting. Article summary: TimeH2O-v1 is H2O.ai’s compact, open-weights time-series foundation model, released on October 26, 2026, for zero-shot forecasting without a separate training run or model for every series.[9][10] H2O.ai reports first pl. Topic tags: general, general web. Style: premium digital editorial illustration, source-backed research mood, clean composition, high detail, modern web publication hero. Use reference image context only for broad subject, composition, and topical grounding; do not copy the exact image. Avoid: logos, brand marks, copyrighted characters, real person likenesses, fake screenshots, UI text, readable text, watermarks, charts with fake numbers, clic
H2O.ai, TimeH2O-v1’i 26 Ekim 2026’da sıfır-atışlı zaman serisi tahmini için geliştirilmiş, görece kompakt bir temel model olarak duyurdu. Şirketin öne çıkardığı sonuç etkileyici: fev-bench’te 100 görev genelinde yüzde 91,9 kazanma oranı ve 50,8 beceri puanı. Ancak bu rakamlar belirli bir lider tablo görünümüne ait; her ölçütte ve her model grubunda tartışmasız birincilik anlamına gelmiyor.1
7
13
TimeH2O-v1 nedir?
TimeH2O-v1, 108,8 milyon parametreli ve ağırlıkları erişime açık bir tahmin modeli. “Sıfır-atışlı” tahmin, her zaman serisi için ayrı bir model eğitmeden, önceden eğitilmiş modeli doğrudan tahmin yapmak üzere kullanmak anlamına geliyor.1
6
13
H2O’nun açıklamasına göre fev-bench, olasılıksal tahmin başarısını mevsimsel-naif bir temel yöntemle karşılaştırıyor. Benchmark 100 görevden oluşuyor; ayrı bir lider tablo açıklamasında bu görevlerin yedi alana yayılan 96 gerçek dünya veri kümesinden seçildiği belirtiliyor.1
19
fev-bench’te sonuçlar ne söylüyor?
H2O’nun yayımladığı varsayılan kazanma oranı sıralamasında TimeH2O-v1, 32 model arasında ilk sırada. Aynı tabloda Timestral-209M yüzde 89,6, t0-gamma yüzde 88,1, TimesFM-3 yüzde 82,7 ve Chronos-2 yüzde 76,8 oranında gösteriliyor; TimeH2O-v1 için verilen oran yüzde 91,9.13 Bernama da Timestral-209M ve t0-gamma için sırasıyla yüzde 89,6 ve yüzde 88,1 değerlerini aktarıyor.
2
Ancak sıralamanın kapsamı önemli. H2O’nun lider tablosunda kapalı API üzerinden sunulan modeller de dahil edildiğinde TimeH2O-v1, 36 model arasında ikinci sırada yer alıyor. Şirket, öne çıkardığı karşılaştırmaya ticari olmayan modellerin de dahil olduğunu ayrıca belirtiyor.13
6 Dolayısıyla “birinci” ifadesi, belirtilen lider tablo ayarları için geçerli; olası her model kümesi için değil.
Başka bir fev-bench görünümünde ise farklı sonuçlar yer alıyor. TSFM.ai, TimeH2O-v1 için yüzde 86,14 kazanma oranı ve 39,95 MASE beceri puanı veriyor; MASE ölçütüne göre model üçüncü sırada, TimeRSI-1.5 ve TimeRSI’nin arkasında.19 Bu değerler, H2O’nun yüzde 91,9 kazanma oranı ve 50,8 beceri puanıyla aynı ölçüm olarak ele alınmamalı: yayımlanan lider tablolarında farklı sonuç ve sıralamalar bulunuyor. Bu nedenle benchmark iddialarını değerlendirirken kullanılan ölçütü ve lider tablo sürümünü de belirtmek gerekiyor.
GIFT-Eval: olumlu, ancak farklı bir benchmark
H2O, TimeH2O-v1’in GIFT-Eval’de sıfır-atışlı modeller arasında en düşük toplulaştırılmış MASE ve CRPS değerlerini elde ettiğini bildiriyor: sırasıyla 0,654 ve 0,441.6 GIFT-Eval’in ayrı bir lider tablosunda bu sonuçlar yuvarlanarak 0,65 MASE ve 0,44 CRPS olarak gösteriliyor. Aynı tabloda Timestral-209M için 0,66 ve 0,45 değerleri yer alıyor.
24 GIFT-Eval, fev-bench’ten farklı bir benchmark olduğundan bu sonuçlar fev-bench sıralamasının yerine geçmez veya onu doğrudan doğrulamaz.
Ek değişkenler ve ince ayar konusunda bilinenler
fev-bench açıklamasında ek değişkenler içeren görevler de bulunuyor. Ancak TimeH2O-v1 için listelenen fev sarmalayıcısı, kontrol noktalarının her hedefi bağımsız tahmin ettiğini ve ek değişkenleri kullanmadığını; görevlerin tek değişkenli serilere dönüştürüldüğünü söylüyor.19
22 Bu, benchmark’taki uygulamanın nasıl çalıştığını anlatıyor; ürünün veya başka bir kullanım arayüzünün bütün yeteneklerini kanıtlamıyor.
Mevcut kaynaklar, müşterilerin modeli kendi verileriyle nasıl ince ayar yapacağı, bunun için hangi altyapının gerektiği ya da müşteri verilerinden alana özgü model üretmenin doğrulanmış iş akışını açıklamıyor. Bu nedenle ince ayarı yerleşik ve belgelenmiş bir özellik olarak kabul etmeden önce ayrıntıları doğrulamak gerekir.
Eğitim verileri ve benchmark’larla olası örtüşme
TimeH2O-v1’in model kartı, fev-bench, GIFT-Eval ve TIME benchmark’larıyla örtüşen veri kümelerinin eğitim dışında bırakıldığını belirtiyor.4
8 Açıklanan eğitim kaynakları arasında AutoGluon’un Chronos veri kümeleri, Salesforce’un GiftEvalPretrain ve lotsa_data koleksiyonları ile Quito derlemesi bulunuyor. Model kartındaki alıntıda Apache-2.0 ve CC-BY 4.0 dahil farklı lisanslar listeleniyor; açıklanan kaynak listesi eksiksiz olmayabilir.
8
Erişim ve lisans koşulları
Model ağırlıkları H2O.ai’nin Hugging Face deposunda yer alıyor; dosyaları indirmek isteyenlerin erişim koşullarını kabul etmesi gerekiyor.10 Depoda H2O Model Non-Commercial Licence v1.0 lisansı listelenmiş. H2O’nun ürün sayfasına göre üretim ortamında ticari kullanım için şirketten lisans alınması gerekiyor. Başka bir deyişle, ağırlıkların erişime açık olması sınırsız ticari kullanım izni verildiği anlamına gelmiyor.
5
14
H2O, aynı adlı ticari olmayan lisans altında 5,83 milyon parametreli TimeH2O-v1-tiny sürümünü de listeliyor.12
14 Mevcut kaynaklar, bu küçük sürümün TimeH2O-v1 ile aynı tahmin performansına sahip olduğunu göstermiyor.
Sonuç
TimeH2O-v1 için açıklanan sıfır-atışlı tahmin sonuçları güçlü: H2O’nun fev-bench görünümünde kazanma oranı yüzde 91,9 ve beceri puanı 50,8; şirket ayrıca GIFT-Eval’de sıfır-atışlı modeller arasında en iyi toplulaştırılmış MASE ve CRPS sonuçlarını bildirmiş durumda.1
6 Fakat önemli koşullar da var: farklı lider tablo görünümlerinde fev-bench değerleri ve sıralamalar değişiyor, kapalı API modelleri dahil edildiğinde sırası geriliyor ve ağırlıkların lisansı ticari üretim için sınırsız kullanım hakkı vermiyor.
13
14
19
Studio Global AI
Continue your research
This page includes a source-backed answer you can continue inside Studio Global.
People also ask
What is the short answer to "TimeH2O-v1’in güçlü tahmin sonuçları, sıralama notlarıyla birlikte okunmalı"?
H2O.ai, 108,8 milyon parametreli TimeH2O v1’in fev bench’te 100 görevde yüzde 91,9 kazanma oranı ve 50,8 beceri puanı elde ettiğini bildiriyor.
What are the key points to validate first?
H2O.ai, 108,8 milyon parametreli TimeH2O v1’in fev bench’te 100 görevde yüzde 91,9 kazanma oranı ve 50,8 beceri puanı elde ettiğini bildiriyor. Model sıfırdan eğitim gerektirmeyen tahmin için tasarlandı. H2O.ai, GIFT Eval’de sıfır atışlı modeller arasında 0,654 MASE ve 0,441 CRPS bildirdi.
What should I do next in practice?
Lider tablosundaki ölçüt ve model kapsamı sıralamayı değiştirebiliyor; ayrıca açık ağırlıklar, ticari üretim kullanımı için sınırsız izin anlamına gelmiyor.